文献

J-GLOBAL ID：201702244663467035   整理番号：17A0142620

時間畳込みニューラルネットワークを用いたなりすまし音声検出【Powered by NICT】

Spoofing speech detection using temporal convolutional neural network

著者 (4件)： Tian Xiaohai (School of Computer Science and Engineering, Nanyang Technological University (NTU), Singapore) ,  Xiao Xiong (Temasek Laboratories, NTU, Singapore) ,  Chng Eng Siong (School of Computer Science and Engineering, Nanyang Technological University (NTU), Singapore) ,  Li Haizhou (School of Computer Science and Engineering, Nanyang Technological University (NTU), Singapore)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2016  号： APSIPA  ページ： 1-6  発行年： 2016年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： なりすまし音声検出は,自然音声からなりすまし音声を識別することを目的とした。フレームベース特徴は通常大部分の以前の研究で使用されている。複数フレームまたは動的特徴を用いて,時間的情報を表現するスーパベクトルを形成しているが,これらの特徴で覆われた時間スパンは十分ではない。システムの大部分はなりすまし攻撃非ボコーダあるいは単位選択を検出できなかった。本研究では,なりすまし音声検出のための時間畳込みニューラルネットワーク(CNN)ベースの分類器を用いることを提案した。時間CNNは最初のセットフィルタの特徴軌道を巻き込み,最大プーリング層を用いた時間窓内のこれらのフィルタの最大応答を抽出した。最大プーリングの使用により,多数の隣接フレームの,フィードフォワード深層ニューラルネットワーク(DNN)を連結することのない長い時間スパンから有用な情報を抽出することができる。五種類の特徴を提案した分類器の性能を評価した。ASVspoof2015コーパス上での実験結果により,時間CNNに基づく分類器は合成音声検出に有効であることを示した。具体的には,提案した方法は,なりすまし音声検出ベースのユニット選択のための顕著な性能改善をもたらした。Copyright 2017 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】

シソーラス用語： コーパス ,  ボコーダ ,  フィルタ ,  フィードフォワード ,  *畳込み ,  深層 ,  *ニューラルネットワーク
準シソーラス用語： ユニット選択 ,  合成音声 ,  時間窓 ,  *音声検出 , 【Automatic Indexing@JST】

分類 (1件)： パターン認識  (JE07000S)

タイトルに関連する用語 (3件)： 畳込みニューラルネットワーク ,  なりすまし ,  音声検出